Könnte ein Algorithmus doch nur erkennen, welche aus einer Menge Publikationen einmal wichtig sein wird. | Foto: sear-greyson-K-ZsC7YdJ6Y-unsplash

Die Flut an Fachartikeln überfordert das Wissenschaftssystem, in dem Forschende die Arbeit ihrer Fachkolleginnen und -kollegen beurteilen. Immer wieder wird deshalb auf Messgrössen zurückgegriffen, die auf der Zahl der Zitierungen basieren. «Diese sind nur ein imperfektes, inkonsistentes und einfach manipulierbares Mass für Qualität», so haben James Weis und Joseph Jacobson die verbreitete Kritik auf den Punkt gebracht. Die Lösung der beiden Forscher vom Massachusetts Institute of Technology (MIT): künstliche Intelligenz. Diese soll berechnen, wie gross der Einfluss einer wissenschaftlichen Publikation in einem Gebiet in ein paar Jahren sein wird.

Tatsächlich konnten die beiden mit Daten von biotechnologischen Fachzeitschriften aus den Jahren 1980 bis 2019 in 19 von 20 Fällen korrekt vorausbestimmen, dass ein Artikel unter den fünf Prozent der Toppublikationen landet. Dabei wurden 29 Indikatoren zu Hilfe genommen, die hauptsächlich die Zahl der Zitierungen und die Vernetzung der Autorinnen beschreiben.

Die Kritik von Forschenden auf Twitter kam prompt: «Sobald eine Kennzahl zu einem Zielwert wird, ist sie keine gute Kennzahl mehr», lautet ein ökonomisches Gesetz, an das Anders Sandberg von der Universität Oxford erinnerte. Daniel Koch vom King’s College London schrieb: «Und wieder wird ‹einflussreich› mit einer hauptsächlich zitationsbasierten Metrik definiert, optimiert wird wissenschaftliche Selbstreferenz.» Andreas Bender, Direktor des Innovation Campus in Berlin: «Das wird nur dazu dienen, existierende akademische Verzerrungen für die Zukunft zu zementieren.» Zum Beispiel Verzerrung zu Geschlecht und Herkunft wie Julia Gala de Pablo von der Universität Tokio meint: «Ich möchte nicht, dass mein eindeutig als spanisch und weiblich identifizierbarer Name von einer Software wie dieser analysiert wird, um Gelder zu verteilen.»